На русском языке я не нашел перевода этого сочетания, поэтому предлагаемая формулировка предположительна. Что же касается ее смысла, то все предложение я бы перевел так:

Если потребуется провести анализ с помощью модели, учитывающей механизм выбывания, то будут использоваться те же самые (без восполнения) данные, что применялись в анализах на моделях MMRM и OC.

Для MMRM есть уже устоявшийся вариант перевода, например:

... в которых обнаружено достоверное превосходство дулоксетина перед плацебо по суммарным баллам HAMD-17 (анализ MMRM – модель смешанных эффектов для повторных изменений).
http://old.consilium-medicum.com/media/psycho/05_01/32.shtml

По поводу OC, я предполагаю, что это "перенос данных" (observation carry), как в LOCF.

Теперь вернемся в "pattern mixture model". Эти модели используются для статистического анализа в условиях выбывания данных, если есть основания предполагать, что это выбывание обусловлено неслучайными факторами. В этом случае популяцию исследования делят на слои (стратифицируют) в соответствии с той или иной схемой (pattern) выбывания данных. Эти выбывания можно упорядочить по времени, а популяция становится состоящей из, например, 2 слоев: "выбывших в течение первого года" и "не выбывших". При анализе такой смешанной (mixture) популяции выводы делают по каждому слою, чтобы выявить причинный фактор, приведший к такому разделению (если он есть).
Для подтверждения приведу несколько ссылок. На английском их можно было бы найти намного больше, но вот на русском ничего не нашел.

This paper highlights the consequences of incomplete observations in the analysis of longitudinal binary
data, in particular non-monotone missing data patterns.
https://docs.google.com/viewer?url=http://bib.tiera.ru/dvd69...

Mixed-effect pattern-mixture models are based on the factorization (18.20). This approach stratifies the sample by pattern of missing data (e.g., by the time of dropout) and then
models differences in the distribution of Y i over these patterns.
https://docs.google.com/viewer?url=http://www.biostat.harvar...

Many longitudinal studies suffer from attrition, which can
cause bias in the analysis if the dropouts are informative.
To account for informative dropout, a number of model-
based approaches have been proposed to jointly model the
longitudinal outcome and the dropout mechanism. (See Little 1995; Hogan and Laird 1997b; and Kenward and Molenberghs 1999 for recent reviews.)
Among these approaches, pattern-mixture models (Little 1993)
are commonly used because of their robustness in modeling
the dropout mechanism.
https://docs.google.com/viewer?url=http://www.cceb.upenn.edu...


--------------------------------------------------
Note added at 12 час (2011-04-12 03:15:38 GMT)
--------------------------------------------------

Еще одну ссылку забыл добавить, на эту же тему (заголовок статьи):

Первичной моделью анализа для первоначального общего количества баллов по эффективности, оцененных с помощью PANSS, была модель смешанных воздействий для повторных измерений — MMRM [36].
...
36. Siddiqui O., Ali M.W. A comparison of the random-effects pattern mixture model with last-observation-carried-forward (LOCF) analysis in longitudinal clinical trials with dropouts. J Biopharm Stat 1998; 8: 4: 545—563.
https://docs.google.com/viewer?url=http://www.mediasphera.ru...



--------------------------------------------------
Note added at 13 час (2011-04-12 04:28:39 GMT)
--------------------------------------------------

Как вариант, можно заменить слово "механизм" (оно немного другой смысловой оттенок придает) на слово "динамика", т.е.:

анализ с помощью модели, учитывающей динамику выбывания